Logo Lanfrica

bonjourgori-web/kanea

Domaine:

healthcare

Type de record:

model
Créateur:
bon
Hôte:
KANEA - AI biomedical platform for Africa # KANEA KANEA signifie **Knowledge Anthropology & Neural Engine for Africa**. KANEA reprend l'architecture de la documentation technique source en conservant le meme socle scientifique et logiciel, avec un nouveau nom d'application. La plateforme est concue comme un outil open-source d'aide a la decision biomedicale et medico-legale pour les contextes africains a ressources limitees. ## Resume executif KANEA integre quatre modules specialises : 1. `MalariaScan AI` - detection automatique du paludisme a partir d'images microscopiques - approche : **deep learning** - stack documentee : `fast.ai v2 + PyTorch`, `ResNet34` - interpretabilite : `Grad-CAM` 2. `NutriTrack AI` - analyse biometrique et prediction de l'etat nutritionnel - approche : **machine learning tabulaire** - stack documentee : `RandomForest` + `XGBoost` - calculs derives : `IMC`, `WAZ`, `HAZ`, `WHZ`, `MUAC` 3. `BioID AI` - estimation du profil biologique medico-legal - approche : **machine learning classique** - sorties : sexe biologique, age au deces, ascendance, stature - methodes documentees : `scikit-learn`, `PCA`, regressions osteometriques 4. `Breast Cancer AI` - detection du cancer du sein sur mammographies - approche : **deep learning** - stack cible : `PyTorch`, `EfficientNet` ou `ResNet` - classes : `Normal`, `Benign`, `Malignant` Le tout est orchestre par une fonction centrale `multibio_predict()`, expose via un dashboard `Streamlit` et, dans la feuille de route, une API `FastAPI`. ## Architecture fidele au document - `Model Layer` - Module 1 - Malaria : `fast.ai / ResNet34` - Module 2 - Biometry : `XGBoost / RandomForest` - Module 3 - Forensic : `scikit-learn / ensemble` - Module 4 - Breast Cancer : `PyTorch / EfficientNet` - `Integration Layer` - `multibio_predict()` - `Presentation Layer` - `dashboard/app.py` avec `Streamlit` - `api/main.py` pour l'exposition REST des modules ## Jeux de donnees references - `data/malaria/` - NIH Cell Image Library - 27 558 images - classes : ` …